卡列宁的微笑

我们用一个"闭包中的callable对象"来表达控制流中的某一状态，我们可以 得到这个对象，就得到了当前控制流，通过对该对象的调用恢复执行控制流。 大体上是这样:

def task(arg):
    def task_child(a):
        return some_func(arg, a)
    return task_child

对于一般的控制流的抽象，我们应该了解continuation，参考:

http://en.wikipedia.org/wiki/Continuation

调度器维护一个task元组的队列，根据特定的调度策略选择task执行，执行的 结果将被投入该队列。IO task在满足触发条件的时候被调度，一种典型的IO task:

def recvsegment(s, length):
    rcv = s.recv(10000000)
    if len(rcv) == length:
        return rcv
    return lambda:rcv + recvsegment(s, length-len(rcv))

我们在每次调度的时候，会检查与一个IO task联系的标识符(文件描述符)是 否准备好，如果准备好，就执行该IO task.对于task元组中参数被求值完毕 (所有的tail都为一个值)的情况，我们会以这些参数为入参，执行head。在 这种设计下，任何IO操作应该和主控制流分离，以(head, io1,io2…)的方 式进行。

事实上，task的执行载体可以是原生线程，这样，就实现了M:N的并发模型， 对于特殊的情况(IO完成却没有机会被调度倒的task)，还可以动态增减线程 进行处理。

在特定的假设下，这套多任务方案有一定的意义。这个假设就是:1.IO占据了 控制流的大部分时间。2.任何一种非IO操作都可以很快完成。因此，在特殊 的时机交出控制权，而不是抢占调度，是可以接受的。事实上，现实世界有 很多系统满足这样的要求。